Los agentes de IA ya no son solo una demo bonita en una presentación.
OpenAI ha presentado workspace agents en ChatGPT para automatizar tareas repetibles dentro del entorno de trabajo. Microsoft está moviendo Agent 365 como una capa para gestionar agentes en empresas. Y Google, Anthropic y el resto van en la misma dirección: la IA deja de ser solo una ventana de chat y empieza a meterse en flujos de trabajo.
Esto suena grande. Y lo es.
Pero ojo: para una empresa, la pregunta importante no es “¿qué agente puedo crear?”. La pregunta útil es bastante menos vistosa: “¿qué proceso tiene sentido delegar, con qué datos y bajo qué revisión?”.
Qué es un agente de IA en el trabajo
Un agente de IA es un sistema que no se limita a responder una pregunta. Puede seguir instrucciones, consultar información, usar herramientas conectadas y ejecutar pasos para conseguir un objetivo.
En vez de pedirle a ChatGPT “redáctame un email”, puedes imaginar un agente que revise notas de una reunión, consulte información de un cliente, prepare un borrador de seguimiento y lo deje listo para revisar.
La diferencia parece pequeña, pero cambia bastante la conversación.
Pasamos de usar IA para tareas aisladas a usar IA dentro de procesos.
Por qué ahora se habla tanto de agentes
Porque las grandes plataformas ya están llevando esta idea al software que muchas empresas usan cada día: ChatGPT, Slack, Microsoft 365, herramientas conectadas, CRM, documentos, correo, calendarios.
Y aquí está la clave: los agentes no valen solo por “ser inteligentes”. Valen si tienen acceso al contexto correcto y si actúan dentro de límites claros.
Sin contexto, un agente es un becario acelerado y despistado.
Con demasiado acceso y poca supervisión, puede convertirse en un riesgo.
Con un proceso bien elegido, puede ahorrar tiempo de verdad.
El error: empezar por la herramienta
Lo veo mucho en formaciones. Aparece una novedad y la primera reacción es: “tenemos que probar esto”.
Está bien probar. Pero si cada persona crea su propio agente para cualquier cosa, en dos meses tienes otro problema: agentes duplicados, permisos raros, automatizaciones que nadie mantiene y decisiones tomadas sin saber muy bien con qué datos.
Esto ya tiene nombre en muchas conversaciones de empresa: agent sprawl, o proliferación de agentes.
No hace falta complicarlo. Es lo mismo que pasó con los Excel, las automatizaciones, los formularios y las herramientas no oficiales: si algo funciona, la gente lo adopta; si nadie lo ordena, acaba habiendo ruido.
Qué procesos tienen sentido para empezar
Yo no empezaría por el proceso más crítico de la empresa.
Empezaría por tareas repetibles, de bajo riesgo y con revisión humana clara:
- Preparar borradores de email después de una reunión.
- Clasificar feedback de clientes.
- Extraer requisitos de documentos largos.
- Resumir actas y convertirlas en tareas.
- Preparar informes internos a partir de fuentes conocidas.
- Revisar propuestas antes de enviarlas.
Son tareas suficientemente útiles para generar valor, pero no tan delicadas como para dejar a la IA sola tomando decisiones importantes.
Lo que hay que decidir antes de crear agentes
Antes de lanzar agentes de IA en una empresa, conviene responder cuatro preguntas:
- Qué tarea exacta va a hacer.
- Qué datos necesita para hacerla.
- Qué permisos debe tener.
- Quién revisa el resultado y cuándo.
Si no puedes responder eso, todavía no tienes un caso de uso. Tienes una idea.
Y no pasa nada. Pero conviene llamarla por su nombre.
Formación, diagnóstico o consultoría: dónde encaja cada cosa
Si el equipo todavía está usando IA de forma dispersa, probablemente hace falta formación: entender qué puede hacer ChatGPT, Claude, Gemini o Copilot, qué riesgos hay y cómo pedir bien las cosas.
Si ya hay varias ideas sobre la mesa pero no sabéis priorizar, tiene más sentido un diagnóstico: ordenar procesos, impacto, datos y dificultad.
Y si ya tenéis un caso claro, entonces hablamos de consultoría o acompañamiento para diseñar bien el flujo.
La herramienta vendrá después.
La idea importante
Los agentes de IA van a entrar en la empresa, igual que entraron el email, los documentos compartidos, los CRM y las automatizaciones.
La diferencia estará en cómo entren.
Pueden entrar como una colección de pruebas sueltas, cada una por su lado. O pueden entrar como parte de una estrategia sencilla: procesos concretos, límites claros, datos bien elegidos y revisión humana.
Ahí es donde la IA empieza a ser útil de verdad.